待验证50% 置信观点精确时间
0.610 的 WANDR 得分不意味着模型在60%的任务上完全成功，实际部分完成率与任务复杂度分布相关
1
来源数
50%
置信度
长期有效
时效性
2026/9/25
首次发现
来源
涉及实体
相关事实
待验证实验中塑形奖励配置下的task_score仅为0.125,而朴素奖励是0.417,效应量d=4.4772% 相似待验证即便是GPT-4级别的Agent，面对含有5步以上工具调用的复杂任务时，端到端成功率往往低于60%72% 相似待验证约60-70%的企业实际生产请求属于简单任务，这类任务在7B以下参数量的小模型上即可获得与旗舰模型高度相近的输出质量，而成本差距高达20-50倍72% 相似待验证一个61分的模型和一个59分的模型在多数实际应用中的差异可能远小于分数暗示的程度70% 相似待验证领域微调后的7B模型在任务准确率上往往超越未经微调的70B通用模型，同时推理成本降低一个数量级70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/948618API
curl https://kongchang.com/api/v1/knowledge/claims/948618MCP
get_claim(id=948618)